모수 추정치의 중요한 값모두 안녕
저는 맞춤형 DOE를 만들었고 중요한 효과를 식별하기 위해 먼저 데이터를 단계별로 분석한 다음 중요한 효과를 찾기 위해 표준 최소 제곱을 분석했습니다. 다음과 같은 중요한 효과를 볼 수 있었습니다.
그런 다음 Lack of fit을 확인했는데 역시 괜찮았습니다.
그런 다음 매개변수 추정값을 자세히 살펴보고 매개변수 추정값에 대한 많은 빨간색 값을 확인했습니다. 이것은 내 모델에 어떤 의미가 있습니까? 효과 요약 및 적합성 결여가 그렇다고 해도 더 이상 중요하지 않습니까?
이 질문에 답하는 데 도움을 주셔서 감사합니다.
감사합니다.
한나
고급 통계 모델링실험 설계Re: 매개변수 추정치의 중요한 값안녕,
빨간색 강조 표시는 0.05 미만 및 0.01보다 큰 p-값을 나타냅니다.
주황색 강조 표시는 0.01 미만의 p-값을 나타냅니다.
마지막 표에 나열된 모든 매개변수는 중요합니다.
최상의,
TS
Re: 매개변수 추정치의 중요한 값'로 알려져 있다. 조건부 서식 .' 파일 > 기본 설정(Windows) 또는 JMP > 설정(Mac)을 선택하여 찾을 수 있습니다. 왼쪽에서 보고서 그룹을 선택합니다.
이 서식을 켜거나 끌 수 있습니다. 규칙과 형식을 수정할 수 있습니다. 자신만의 형식을 추가할 수 있습니다.
Re: 매개변수 추정치의 중요한 값귀하의 상황을 이해하지 못한 채 내 의견 :
1. 중요한 요소가 너무 많은 이유는 오류를 추정하기 위한 DF가 거의 없기 때문입니다.제 추측으로는 귀하의 실험이 실제 오류를 과소평가하고 있는 것 같습니다. 테스트를 해석하기 전에 테스트의 기초가 무엇인지 알아야 합니다.
2. DOE 분석을 위해 단계별로 사용하는 이유가 확실하지 않습니까?사전에 예측된 모델이 있어야 합니다.저는 실험 분석에 대한 Daniel의 접근 방식을 정말 좋아합니다.그는 모델을 포화시키고 정규 및 절반 정규 플롯을 사용하여 흥미로운 효과를 평가합니다.실용적인 의미를 평가하기 위해 Pareto 플롯을 추가하고 물론 Box는 Bayes 플롯을 추가합니다.이러한 도표는 모두 JMP에서 사용할 수 있습니다(효과 스크리닝 참조).
Re: 매개변수 추정치의 중요한 값베이즈 플롯 @statman 참조는 Fit Least Squares 플랫폼에서 사용할 수 있습니다. 주요 효과만 고려한 George Box가 게시한 첫 번째 버전을 구현합니다. Box는 나중에 고차 항을 포함하도록 방법을 업데이트했습니다. 여기(Windows)의 Samples/Scripts 폴더에 업데이트된 플롯을 JMP 스크립트로 제공합니다.
답장에 스크립트도 첨부했습니다.
Re: 매개변수 추정치의 중요한 값오 예.그 스크립트 주셔서 감사합니다!
Re: 매개변수 추정치의 중요한 값안녕 @statman ,
빠른 답장을 보내 주셔서 감사합니다. 우리의 문제는 우리가 수행할 수 있는 실험의 양에 제한이 있다는 것이었습니다. 이 경우 일반적으로 수행할 작업은 여전히 단계적 접근 방식을 통해 2차 요인 상호 작용을 확인하고 1차 상호 작용 외에 단계적 접근 방식에서 나오는 2차 요인 상호 작용만 고려하는 것입니다. 그런 다음 jmp에서 표준 최소 제곱 효과 스크리닝을 사용하여 모델링합니다. 제한된 양의 효과만 활성화되는 경우 이 방법이 매우 잘 작동합니다. 그러나 여기에서 언급했듯이 과적합이 발생합니다. 오류를 추정하기 위해 더 많은 실험을 하기 위해 더 많은 실험을 추가하도록 설계를 보강하는 것이 제안입니까? 증강은 어떻게 되어야 합니까? 증강에 앞서 실험을 늘리거나 2차 효과를 추가하면 됩니까?
2. 이것과 jmp에서 이것을 수행하는 방법에 대해 자세히 설명해 주시겠습니까? 저는 통계학자가 아니라 교육을 받은 화학자이므로 이 답변에 대한 배경 지식이 누락되었을 수 있습니다.
Re: 매개변수 추정치의 중요한 값제 생각을 공유하게 되어 기쁩니다. 하지만 귀하의 상황을 충분히 이해하지 못하여 구체적인 조언(증강, 복제 등)을 제공할 수 없습니다.
실험에서 수행하는 작업은 예측 모델(주 효과, 2차 선형 등)의 항 효과를 임의 오류(노이즈) 및 서로 간에 비교하는 것입니다.실험은 설계상 좁은 추론 공간 연구이므로(본질적으로 시계열을 제거했기 때문에 시간이 지남에 따라 변화하는 노이즈의 영향이 자연스럽게 제외됨) 미래 조건을 나타내기 위해 노이즈의 영향을 과장해야 합니다.
"안타깝게도 미래의 실험(미래의 시험, 내일의 생산)은 이 실험에 영향을 미치는 환경 조건(온도, 재료, 사람)과 다른 환경 조건의 영향을 받을 것입니다. 미래의 환경 조건이 결과를 사용할 수 있을 만큼 오늘날의 환경 조건과 충분히 비슷할지 여부를 잘못 판단할 위험이 있지만 더 넓은 범위의 조건을 결정할 수 있습니다.”
데밍 박사
불행하게도 실험 조건이 미래 조건을 더 대표하게 됨에 따라 요인 효과 감지의 정확도가 손상될 수 있습니다.정밀도를 향상시키는 전략 중 하나는 설계 요소에 대한 수준 설정에 있습니다(따라서 선별 설계의 조언은 수준을 대담하지만 합리적으로 설정하는 것입니다).노이즈를 처리하는 전략은 미래에 실제로 유용한 실험을 실행하는 데 매우 중요합니다.잡음(예: RCBD, BIB, 분할 플롯(장기 잡음용) 및 반복(단기 잡음용))을 처리하는 여러 가지 전략이 있습니다.상당한 리소스 제약이 있는 경우 옵션이 제한됩니다.
결론은 통계적 유의성 테스트만 사용하는 경우 무작위 노이즈의 추정치가 덜 대표적일수록 통계 테스트의 유용성이 떨어집니다(오늘날 중요하고 내일은 중요하지 않은 것으로 나타나는 것이 유용하지 않음).Stepwise는 (가지고 있는 데이터에 대한) 통계 테스트를 사용하며, 해당 데이터가 대표성이 없는 경우 해당 테스트는 유용한 것보다 나쁠 수 있습니다(알파 및 베타 오류 모두 발생).아마도 가장 위험한 오류가 베타일 때 스크리닝 상황에서 알파 오류(예: p-값)에만 초점을 맞추는 것은 흥미로운 일입니다.
무슨 뜻인지 잘 모르겠습니다." 이것과 jmp에서 이것을 수행하는 방법에 대해 자세히 설명해 주시겠습니까?"적절한 실험을 설계하거나 적절한 분석을 수행한다는 의미입니까?
모든 분석은 데이터를 수집한 방법에 따라 달라집니다. 분석을 위해 복제되지 않은 디자인이 있으므로 모델 적합을 실행하고 모델에 모든 DF를 할당합니다(모델 포화).Standard Least Squares 성격을 실행하십시오. 결과가 나오면 각 응답 옆에 있는 빨간색 삼각형을 선택하고 효과 스크리닝을 선택하십시오.여기에서 Normal plot, Pareto plot 및 Bayes plot 옵션을 찾을 수 있습니다(위의 추가 스크립트 참조).
"잘 계획된 실험의 결과는 종종 간단한 그래픽 분석을 사용하여 분명해집니다. 그러나 세계 최고 수준의 통계 분석으로도 부실하게 계획된 실험 프로그램을 구할 수는 없습니다."
제럴드 한
추신: Cuthbert Daniel은 통계학 수업을 듣지 않았지만 심오한 실험가이기 때문에 읽는 것을 좋아할 것입니다.
